Gemma 4 viene en cuatro sabores, y elegir el correcto marca una gran diferencia. Ejecuta uno demasiado grande y estaras mirando una rueda de carga. Ejecuta uno demasiado pequeno y la calidad no dara la talla. Vamos a descubrir cual es el adecuado para ti.
Los cuatro modelos de un vistazo
| Modelo | Parametros | Params activos | Arquitectura | RAM min. | RAM recomendada |
|---|---|---|---|---|---|
| E2B | 2B | 2B | Dense | 4 GB | 6 GB |
| E4B | 4B | 4B | Dense | 6 GB | 8 GB |
| 26B A4B | 26B | 3.8B | MoE | 8 GB | 16-18 GB |
| 31B Dense | 31B | 31B | Dense | 20 GB | 24-32 GB |
Lo clave a notar: el modelo 26B es un Mixture of Experts (MoE). Tiene 26 mil millones de parametros totales, pero solo activa unos 3.8 mil millones a la vez. Eso significa que es mucho mas eficiente de lo que el numero sugiere — obtienes calidad de modelo grande a velocidad de modelo pequeno. Para profundizar en la arquitectura MoE, consulta nuestra comparacion 26B vs 31B.
Desglose modelo por modelo
E2B — El cohete de bolsillo
2 mil millones de parametros, ~4 GB RAM
Este es el modelo mas pequeno de Gemma 4, disenado para situaciones donde los recursos son limitados. Piensa en telefonos moviles, Raspberry Pi, dispositivos embebidos, o cuando necesitas respuestas super rapidas y no necesitas razonamiento profundo.
ollama run gemma4:e2bBueno para:
- Generacion rapida de texto y resumen
- Preguntas y respuestas simples
- Tareas de clasificacion
- Ejecutar en telefonos y dispositivos edge
- Situaciones donde la latencia importa mas que la profundidad
Limitaciones:
- Problemas con razonamiento complejo de multiples pasos
- Escritura creativa menos matizada
- Puede perder contexto en conversaciones largas
E4B — El punto ideal (recomendado)
4 mil millones de parametros, ~6 GB RAM
Si estas leyendo esto y no sabes cual elegir, probablemente este es el tuyo. E4B funciona comodamente en cualquier portatil moderno — Mac, Windows, Linux — y ofrece una calidad sorprendentemente buena para su tamano.
ollama run gemma4:e4bBueno para:
- Chat de proposito general y preguntas
- Generacion y explicacion de codigo
- Escritura y edicion de contenido
- Tareas multimodales (imagenes + texto)
- Uso diario de IA local
Por que es la recomendacion por defecto:
- Funciona en basicamente cualquier portatil fabricado en los ultimos 3-4 anos
- Suficientemente rapido para chat interactivo (facilmente 20+ tokens/seg en Apple Silicon)
- La calidad es genuinamente buena — rinde por encima de su categoria
- Uso de recursos lo suficientemente bajo para funcionar junto con tus otras apps
26B A4B — El rey de la eficiencia
26B totales, solo 3.8B activos (arquitectura MoE), ~8-18 GB RAM
Este modelo es el mas interesante de la gama. Usa Mixture of Experts — Google entreno 26 mil millones de parametros, pero para cualquier entrada, solo se activan unos 3.8B. Obtienes el conocimiento de un modelo grande con la velocidad de uno pequeno.
ollama run gemma4:26bBueno para:
- Razonamiento y analisis complejos
- Tareas de programacion en multiples lenguajes
- Generacion de contenido largo
- Preguntas de conocimiento especializado
- Mejor calidad por FLOP de toda la gama
La trampa:
- Aunque los parametros activos son pocos, necesitas cargar los 26B en memoria
- Con cuantizacion GGUF Q4, espera unos 8-16 GB dependiendo de la longitud del contexto
- Los modelos MoE pueden tener calidad de salida ligeramente mas variable (diferentes expertos se activan para diferentes entradas)
¿Quien deberia usarlo? Si tienes una maquina con 16+ GB de RAM y una GPU decente (o un Mac con Apple Silicon), este es posiblemente el mejor modelo de toda la gama. Obtienes calidad cercana al 31B a velocidad del E4B.
31B Dense — Potencia maxima
31 mil millones de parametros, todos densos, ~20 GB RAM minimo
Este es el modelo mas grande y capaz de Gemma 4. Cada token procesado utiliza los 31 mil millones de parametros. Sin atajos, sin enrutamiento — solo capacidad pura.
ollama run gemma4:31bBueno para:
- Las tareas de razonamiento mas desafiantes
- Escritura creativa de la mas alta calidad
- Generacion y depuracion de codigo complejo
- Investigacion y analisis
- Cuando la calidad es lo unico que importa
Requisitos:
- Minimo 20 GB RAM (24-32 GB recomendados)
- GPU dedicada muy recomendada para velocidad aceptable
- Con cuantizacion Q4, el archivo del modelo pesa unos 18 GB
Requisitos de VRAM (usuarios de GPU)
Si estas ejecutando en una GPU, esto es lo que necesitas. Para un desglose completo por maquina especifica (MacBook, PC gaming, nube), consulta nuestra guia de requisitos de hardware.
| Modelo | Q4_K_M | Q5_K_M | Q8_0 | FP16 |
|---|---|---|---|---|
| E2B | ~1.5 GB | ~1.8 GB | ~2.5 GB | ~4 GB |
| E4B | ~3 GB | ~3.5 GB | ~5 GB | ~8 GB |
| 26B A4B | ~8 GB | ~10 GB | ~14 GB | ~52 GB |
| 31B Dense | ~18 GB | ~21 GB | ~30 GB | ~62 GB |
Consejo pro: La cuantizacion Q4_K_M es el punto ideal para la mayoria. Pierdes muy poca calidad comparado con precision completa, y el ahorro de memoria es enorme.
Cuidado con el KV cache
Algo que confunde a mucha gente: los pesos del modelo no son lo unico que consume memoria. El KV cache — que almacena el contexto de tu conversacion — puede hacerse enorme, especialmente con la ventana de contexto masiva de Gemma 4.
Reportes de la comunidad sobre el modelo 31B muestran que con una ventana de contexto de 262K, el KV cache solo puede consumir ~22 GB de memoria adicional. Eso es ademas de los pesos del modelo.
Consejos practicos:
- Si tienes problemas de memoria, intenta reducir la longitud del contexto:
# En Ollama, configura una ventana de contexto mas pequena ollama run gemma4:31b --ctx-size 8192 - Para los modelos 26B y 31B, considera habilitar la cuantizacion del KV cache (Q8 o Q4) para reducir significativamente el uso de memoria
- Los modelos E2B y E4B son mucho mas razonables — su KV cache se mantiene manejable incluso con contextos mas largos
Arbol de decision: ¿que hardware tienes?
"Tengo un telefono o Raspberry Pi" → E2B. Es el unico que cabra.
"Tengo un portatil con 8 GB de RAM" → E4B. Funcionara bien y dejara espacio para tus otras apps.
"Tengo un portatil/escritorio con 16 GB de RAM" → E4B para velocidad, o 26B (cuantizado) si quieres mejor calidad y puedes esperar un poco mas.
"Tengo 24+ GB de RAM o una GPU con 8+ GB de VRAM" → 26B es el punto ideal. En serio, es increiblemente bueno para el coste computacional.
"Tengo una estacion de trabajo con 24+ GB de VRAM" → 31B Dense para calidad maxima. Tienes la potencia, aprovechala.
"Quiero usarlo en mi servidor/nube" → 26B o 31B, dependiendo de tu presupuesto y requisitos de latencia.
Comparacion de benchmarks
Asi se comparan los modelos en benchmarks comunes:
| Benchmark | E2B | E4B | 26B A4B | 31B Dense |
|---|---|---|---|---|
| MMLU | Bueno | Mejor | Nivel superior | El mejor |
| HumanEval (Codigo) | Decente | Bueno | Muy bueno | Excelente |
| GSM8K (Mates) | Basico | Bueno | Fuerte | El mas fuerte |
| Multimodal (Vision) | Basico | Bueno | Fuerte | El mejor |
| Velocidad (tok/s en M3) | ~60 | ~35 | ~25 | ~8 |
El modelo 26B MoE es el destacado aqui — alcanza puntuaciones cercanas al 31B mientras funciona casi 3 veces mas rapido. La arquitectura MoE realmente compensa.
Cuantizacion: ¿cual elegir?
Si estas descargando archivos GGUF de Hugging Face, veras opciones como Q4_K_M, Q5_K_M, Q8_0, etc. Esto es lo que significan:
| Cuantizacion | Perdida de calidad | Reduccion de tamano | Recomendacion |
|---|---|---|---|
| Q4_K_M | Minima | ~75% mas pequeno | Mejor opcion por defecto |
| Q5_K_M | Muy pequena | ~65% mas pequeno | Buena si tienes espacio |
| Q8_0 | Despreciable | ~50% mas pequeno | Enfocada en calidad |
| FP16 | Ninguna | Tamano completo | Solo para fine-tuning |
Mi recomendacion: Empieza con Q4_K_M. Si notas problemas de calidad en tu caso de uso especifico, sube a Q5_K_M. La mayoria de personas genuinamente no nota la diferencia.
Para ayuda con la descarga del modelo, ve a nuestra guia completa de descarga.
Siguientes pasos
- ¿Listo para descargar? → Guia de descarga de Gemma 4 (todos los metodos)
- Verifica tu hardware → Requisitos de hardware de Gemma 4
- ¿Tienes problemas? → Solucion de problemas de Gemma 4
- ¿Quieres comparar con otros modelos? → Gemma 4 vs Llama 4 o Gemma 4 vs Qwen 3
